电力营销系统数据流循环冗余校验技术研究

为解决营销系统数据传输的误码以及数据类别混乱的问题，设计基于BP神经网络的电力营销系统数据流循环冗余校验技术。根据循环冗余原理获得循环冗余校验码，设置管理逻辑，引入BP神经网络，实现电力营销系统数据流循环冗余校验。实验结果显示：在可靠度阈值为1、高斯噪声信噪比为5.5dB的情况下，两个子系统与数据库之间数据传输平均比特差错率最低，且数据传输迭代时间更短，同时数据分类效果更为优异。     

面向电力服务情绪识别的图卷积网络方法研究

情绪识别对于提升电力交互式服务平台的工作效率与服务质量有重要意义。传统的情绪识别技术通常使用基于循环神经网络(recurrent neural network, RNN)或类似结构的模型刻画对话中的上下文关系,上下文之间的语义传递具有局限性。针对这一问题,提出了一种引入图卷积网络(graph convolutional network, GCN)的情绪识别模型,利用图结构对对话文本内容的上下文依赖性建模,以刻画对话中更为复杂的上下文结构。实验表明,该方法相比传统方法在情绪识别任务中具有更好的表现。